-
题名基于UD-DETR轻量化网络小目标异物检测算法
- 1
-
-
作者
林永洪
郑建明
李照
-
机构
吉林化工学院信息与控制工程学院
吉林市城乡规划研究院
-
出处
《信息化研究》
2025年第1期71-78,共8页
-
文摘
RT-DETR作为DETR系列中针对实时场景进行优化的模型,同时存在模型较大、对多尺度的小目标异物存在误检、漏检的问题。为了降低模型的参数量、计算量,同时提高多尺度特征提取能力,本文提出一种基于RT-DETR改进的UD-DETR传送带异物检测方法,SFDConv利用不同类型的卷积分散计算成本和捕捉更多样化的特征信息,用于改进主干网络残差块中的3×3卷积;提出的UDFPN能够降低路径聚合的计算成本和增强提取小目标在空间和深度方向上的局部特征的能力,用于改进高效混合编码器。实验表明,本文所提出的UD-DETR的参数量为11 M,FLOPS为39.4 G,精确度为0.950,召回率为0.836,mAP@50为0.899,mAP@50-95为0.522。参数量和FLOPS相较于原版模型下降了44%和30%,性能指标均高于原版模型和YOLOv8、YOLOv9等主流检测模型。
-
关键词
RT-DETR
UD-DETR
传送带异物检测
SFDConv
UDFPN
-
Keywords
RT-DETR
UD-DETR
conveyor belt foreign object detection
SFDConv
UDFPN
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv8n的煤矿异物检测算法
- 2
-
-
作者
高健铭
苗作华
周浩
白宇宸
-
机构
武汉科技大学资源与环境工程学院
冶金矿产资源高效利用与造块湖北省重点实验室
-
出处
《中国水运(下半月)》
2024年第12期154-157,共4页
-
文摘
研究针对传统煤矿异物检测算法效率低、边缘设备资源受限难题,文中提出了改进YOLOv8n的轻量化煤矿异物检测算法。使用深度可分离卷积和压缩-激励(SE)网络,重新设计了YOLOv8n主干网络中的C2f模块中的Bottleneck结构,将其替换为SBlock,优化了检测性能,同时保持模型轻量级。为了提高获取不同尺寸目标物体信息的能力,我们引入了高效通道注意力(ECA)机制,并在ECA的输入层引入了双重自适应池化机制,得到跨通道交互Modified ECA模块以增强模块的全局视觉信息,进一步提升异物识别精度最后为提升模型泛化能力;同时对YOLOv8n模型进行了改进,将其损失函数从CIoU替换为WIoU。经过实验验证,这项改进显著提高了性能:参数量减少了30%,GFLOPs下降了1G,而m AP50-95则上升了8.43个百分点,使得模型能够满足实时检测的需求。同时,该检测算法对矿井安全生产管理具有重要的参考价值。
-
关键词
YOLOv8n
轻量化
传送带异物检测
注意力机制
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
